مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

278
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

528
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه ی عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد تراکم توده های جنگلی سراوان گیلان

صفحات

 صفحه شروع 607 | صفحه پایان 631

چکیده

 تراکم درختان از مهم ترین ویژگی های ساختاری جنگل است که در مدیریت, حفاظت و احیای جنگل های شمال ایران اهمیت ویژه ای دارد. در این پژوهش, تراکم درختان به کمک عوامل مؤثر فیزیوگرافی, خاکی و انسانی با استفاده از شبکه های عصبی مصنوعی نگاشت خودسازمانده نظارت شده, پرسپترون چندلایه و مدل رگرسیون خطی چندگانه برآورد و با توجه به معیارهای ارزیابی کارایی آنها مقایسه شد. از این رو نخست واحدهای همگن در محیط GIS تهیه شد. نمونه برداری به روش سیستماتیک تصادفی با شبکه ای به ابعاد 200 × 150 متر انجام گرفت و در کل 779 قطعه نمونه ی دایره ای به مساحت 1/0 هکتار پیاده شد. با اندازه گیری قطر برابرسینه ی همه ی درختان بالای 5/7 سانتی متر, تراکم درختان برای هر قطعه نمونه و واحدهای همگن محاسبه شد. نتایج نشان داد که شبکه ی عصبی 5 SSOM (9117/0= R2, 9909/0= R2adj, 16/9= RMSE%, 26/4= Bias%) در مقایسه با شبکه ی عصبی 4 MLP (8321/0= R2, 8760/0= R2adj, 14/15= RMSE%, 96/10= Bias%) و مدل رگرسیون خطی چندگانه (6812/0= R2, 6910/0R2adj =, 71/28= RMSE%, 26/24= Bias%) دارای دقت بیشتر و خطای کمتر است. برای انتخاب برترین مدل, آزمون T-test انجام گرفت و نتایج نشان داد که شبکه ی عصبی SSOM از نوع رقابتی و نظارتی در سطح احتمال 95 درصد, مقادیری مشابه مقادیر واقعی دارد که علت آن به دلیل توابع گوسی است که این ویژگی در شبکه های عصبی MLP با توابع سیگموئیدی مشاهده نمی شود. از این رو, شبکه ی عصبی SSOM در برآورد تراکم درختان جنگل های شمال ایران, جایگزین مناسبی برای شبکه ی عصبی پرسپترون چندلایه خواهد بود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    لطفی اصل، سیما، حسن زادناورودی، ایرج، و کلته، امان محمد. (1399). مقایسه ی عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد تراکم توده های جنگلی سراوان گیلان. مجله جنگل ایران، 12(4 )، 607-631. SID. https://sid.ir/paper/399435/fa

    Vancouver: کپی

    لطفی اصل سیما، حسن زادناورودی ایرج، کلته امان محمد. مقایسه ی عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد تراکم توده های جنگلی سراوان گیلان. مجله جنگل ایران[Internet]. 1399؛12(4 ):607-631. Available from: https://sid.ir/paper/399435/fa

    IEEE: کپی

    سیما لطفی اصل، ایرج حسن زادناورودی، و امان محمد کلته، “مقایسه ی عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد تراکم توده های جنگلی سراوان گیلان،” مجله جنگل ایران، vol. 12، no. 4 ، pp. 607–631، 1399، [Online]. Available: https://sid.ir/paper/399435/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button